Extractor all

[henrySilverIX]

Adição e teste para extração de informações de PDF

Tipo de Pull Request:

[x] Nova Funcionalidade (Feature)

Referência da Task

Jira/Ticket: CDB-74

Descrição das Alterações - Changelog

• Utilizei o Embeddings para extração de informações dos PDF
• A partir disso, filtrei informações relevantes do fornecedor e o PN
• Para o fornecedor, eu extrai o nome, endereço e telefone
• Ainda falta extrair o código ERP

Instruções de Teste

Passos para testar:

1. Os arquivos estão presentes no caminho app/libs/extract_pdf/extract_new/
2. A partir dessa pasta rode o seguinte comando para ver a extração dos PNS

poetry run python -m app.libs.extract_pdf.extract_new.extractor_pn

3. E para ver a extração das informações do fornecedor, rode o seguinte comando:

poetry run python -m app.libs.extract_pdf.extract_new.extractor_supplier

Resultado esperado:

• Como resultado, você verá no terminal os PNs e informações do fornecedor. Esse foi o resultado dos PNs extraídos do PDF chamado INVOICE TECSYS.PDF:

=== PART NUMBERS EXTRAÍDOS ===
- 55-12-3797-8800
- 74406042010
- MGRM-WLF-3C-BLK-120
- 614004134726
- 691313510002
- 691351500002
- MA0603CG150J500
- 597-2311-407F
- E30911001D6D
- 597-2401-407F
- E204201727D
- IMX233-OLINUXINO-MAXI
- I.MX233

E para as informações do fornecedor do PDF chamado exemplo_pdf_entrada.pdf, os resultados extraídos foram esses:

=== SUPPLIER INFO EXTRAÍDO DO PDF ===

supplier_name: Company: AVNET ELECTRONIC MARKETING
supplier_address: Adress: 60, S. MCKEMY Zip Code: 00.000-000
supplier_email: None
supplier_phone: 408 8353

Reviewers Recomendados

1. @Leonardo-dSouza
2. @YgorPereira
3. @matheuspires7

Observações

• Ainda não está completo pois falta colocar a extração do ERP

[YgorPereira]

ta dando erro ao rodar dizendo que não a lib langchain community, e quando o rodo o comando para instalar, diz q ja esta instalado